作者 | 《新程序员》编辑部出品 | CSDN（ID：CSDNnews）

　　在这场席卷全球的 AI 浪潮中，生成式 AI 产品也正在经历一场前所未有的变革。

　　回溯过往，生成式 AI 的萌芽从算法模型的初步探索开始，当时还局限于特定领域内的简单应用。然而随着大数据的积累、计算能力的提升以及算法模型的持续优化，生成式 AI 开始展现出惊人的创造力与学习能力：从简单的文本创作到复杂的图像生成，乃至跨模态的内容创造。

　　站在新的历史起点上，我们不禁要问：生成式 AI 产品的未来发展将如何演进？它们又将如何继续深化与人类的互动、推动行业创新？

　　为此，在 9 月 20-21 日于北京正式拉开帷幕的「2024 全球产品经理大会」上，我们特设了“生成式人工智能产品”主题论坛，邀请到了来自腾讯、商汤科技、WPS、京东、快手、同程旅行、OPPO、云九资本、句子互动、58 同城、海纳 AI、来也科技以及爱设计& AiPPT.cn 的 13 位一线专家与行业领袖，深入剖析生成式 AI 产品背后的技术驱动力，共同探讨其潜在的应用场景与发展挑战。

　　汪晟杰：AI 驱动下的 B 端产品的思考与创新

　　面对日益发展的 AI 技术，产品经理正遭遇哪些全新的标准与挑战？腾讯云开发者 AI 产品负责人汪晟杰依据自身及其团队的实践经验，分享 AI 驱动下的 B 端产品思维和创新成果。

　　汪晟杰首先提出一个观点，即产品经理实际上是产品层面上的「CEO」。他从四个维度深度解读了这一观点：

　　● 产品价值。产品经理需要在整个团队中灌输产品的核心价值，并达成共识。产品价值在于明确产品独特的优势。

　　● 人心成功。做产品需要体察人性、把握人心，这要求产品经理要有敏锐的市场洞察力，并且能够定义产品解决的痛点。

　　● 创造和体验。创造性工作就如同为自己的孩子规划未来，产品经理需要在过程中不断调整方向，以适应市场的变化。

　　● 商业成功。产品经理还需要具备通过竞品分析、市场调研等方法来验证产品价值的能力。也要思考产品的商业化路径，制定 3-5 年的收益计划，并随时准备调整方向。最后，产品经理要向老板汇报成果，就如同 CEO 向投资者汇报一样。

　　汪晟杰指出，生成式 AI 技术为产品经理带来了新的机遇。传统的产品经理可向专注于 AI 功能设计、大模型基底方面的产品技术、偏 AI 效果等不同方向升级转型。不过，这也要求产品经理需要对智能体、API 与业务、提示词、大模型与多模态等生成式知识点有一定的理解。

　　谈及 AI 驱动的产品需要遵循的原则时，汪晟杰给出了自己独特的见解：

　　一、制定商业画布（AI Canvas），用于阐述产品理念，回答关于产品 Why、How、What 等关键问题。明确产品价值主张，即产品解决的核心问题和其独特价值。考虑解决方案的实施、目标客户、模型选择及策略。

　　二、找到「Product Market Fit」，确保产品赢得市场。其中，产品需遵循创意、验证、营销、扩张和效率等不同阶段的测试。而产品经理要理解 AI 运作方式，思考 AI 与业务的结合，并进行规模化、标品化思考。

　　三、生成式 AI 赋予软件产品能力新加持。如今人类与 AI 协同主要有三种模式，一是 Embedding 模式，将传统业务与 AI 特性结合，设计出带有 AI 功能的产品；二是 Copilot 模式，设计出 AI 效率工具产品 ，由 AI 自主，由人工确认后完成工作；三是 Agents 模式，从半自动化 Agent 到全自动化 Agent，让 AI 从思考、计划、反思、修正。

　　四、在 AI 时代，产品经理设计产品时需结合业务背景的第一性原理，设计新的交互方式，思考定价及「Product Model Fit」。和「Product Market Fit」相比，「Product Model Fit」的重要性也不容忽视，前者决定了产品的商业模式，后者则决定了产品的技术可行性。

　　五、B 端与 AI 结合的大模型产品，遵循 S（企业安全与可控）、M（基于多模态的产品）、A（面向业务的 Agent 智能体）、R（重新思考业务流程）、T（基于业务的模型训练与微调）这一 Smart 准则。

　　总体而言，汪晟杰表示，产品经理在 AI 时代需要重视产品模型的成本控制、标准化建设，并且找准痛点，不断迭代优化产品。赢得成功的关键在于制定出能够让老板在短期内看到希望，并在长期内实现盈利的产品价值主张（PMF）。

　　李佳芮：RPA+AI，打造大模型驱动的领先数字员工

　　在这个数字化转型的时代，我们正见证着 AI 技术以前所未有的速度重塑世界。在此背景下，句子互动创始人李佳芮选择从全新视角切入——大模型技术在构建数字员工方面的应用，深入探究下一代大模型驱动的领先数字员工该如何打造。

　　在进入正题之前，李佳芮首先明确了一个观点：“大模型不是银弹，即使 AGI 时代到来，大模型也不可能解决一切问题。”在她看来，技术决定的是下限，而业务决定上限，即未来大模型技术越来越强，业务才能更好地落地。

　　为此从 0 到 1 构建大模型应用的过程中，李佳芮重点提到了搭建数字员工的八大生命周期：运营反馈、平台渠道集成、需求分析、流程设计、数据处理、Prompt 撰写、系统测评和系统搭建。在这八大生命周期中，她着重介绍了后面四个方面：

　　● 数据处理：从不同渠道获取数据样本以进行数据收集，同时进行一系列的处理工作，比如清洗数据、去除 HTML 标签、优化图片等，许多如数据切割、扩充和更新等基础的数据处理也能通过现有的开源框架来完成。其中，RAG（Retrieve Augmented Generation，检索增强生成）技术在数据处理和生成式 AI 中的应用日益广泛。

　　● Prompt 撰写：提示工程（Prompt Engineering）远不止简单地写几行指令，其核心在于如何清晰、精准地表达需求，并且要懂得如何有效地向 AI 提问。例如：将指令放在 prompt 开头，并建议使用 Markdown 格式撰写；通过示例来帮助 AI 理解任务；在 prompt 中添加逻辑推理步骤，引导 AI 进行更细致的思考过程等等。

　　● 系统搭建：主要围绕大模型交互、增强生成和多智能体协作等方面展开。与大模型交互时，动态构造 Prompt 是一种常见的做法，传递动态参数能够实现更精准的响应；引入外挂数据库/检索增强生成（RAG），解决大模型的幻觉问题；采用多智能体工作流，通过进行多次 Prompt 交互、生成中间结果，以逐步构建更高质量输出的方式。

　　● 系统测评：可进行分段式测评，以帮助提升系统的整体性能。首先让客户参与系统测试，并为其提供具体的测试要求；基于客户的信息构建一个标准化测试集，用于系统内部的集成和调优；还可以利用大模型的自检功能，对系统进行深度评估；测试完成后再次进行评分，达标后将其交付给客户进行下一轮反馈——这样，一个完整的集成调优循环就完成了。

　　基于以上提出的八大生命周期概念，李佳芮认为：可采用 RPA（机器人流程自动化）+AI 的方式，来打造下一代大模型驱动的“数字员工”管家婆一码一肖100中奖 ,时代资料解释落实_标配版5.235。具体而言，“数字员工”的核心能力可分解为四个层次：

　　（1）模型层：最底层的能力，包含大模型、小模型、端侧模型等多种模型的联动与协作。

　　（2）数据层：包含结构化和非结构化数据，能够处理各种数据来源和格式。

　　（3）流程层（Workflow）：这一层强调标准操作程序（SOP），连接了业务规则（RK）和异常处理（Badcase）等领域。

　　（4）工具层：底层的模型和外部的使用工具相连接，形成整体的工作流。

　　围绕“数字员工”的四大核心能力、以及搭建数字员工八大生命周期的概念，句子互动推出了 RPA+AI 两款产品：RPA-运营服务一体化平台，AI-智能体流程引擎。在演讲最后，李佳芮分享了一个将“数字员工”用作 AI 数字导购的完整案例：不同于传统人工导购存在的限制和弊端，在基于 RPA+AI 打造的“数字员工”的推动下，智能化门店新时代或许即将开启。

　　赵九州：AI 浪潮中的应用主义者

　　在这一场 AI 浪潮中，有人选择站在理论研究的前沿，探索AI技术的极限；而另一些人，则将目光投向了更加实际的应用场景，致力于让 AI 真正服务于用户——对于后者，金山办公 WPS AI 高级产品总监赵九州将其称之为：AI 浪潮中的“应用主义者”。

　　赵九州表示，目前金山办公主要产品月度活跃设备数达到了 6.02 亿，每一个功能的用户反馈量都相当庞大。而公司通过工单和用户反馈，结合AI能力来解决实际存在的问题。故而相比于探讨理论，金山办公推出 WPS AI 的初衷便是技术普惠，让大众用户能以低门槛、简单的方式接触并使用 AI 功能，专注于从用户角度出发，基于 AI 能力，并结合 WPS 已有能力，真正有效解决用户刚需且具体的痛点。

　　● AI 写作助手

　　举个例子，许多用户在使用写作助手时，通常面临如何提出有效提示词、控制 AI 写作质量以及处理创作中断等问题。为此，WPS AI 在写作助手中引入了 AI 伴写模式，旨在以更自然的交互方式，帮助用户无缝完成写作任务。

　　与传统的 AI 提示词机制不同，AI伴写模式能自动为用户提供联想句子，而无需额外的提示词输入。用户可以直接在写作界面中看到 AI 给出的建议，并决定是否采纳，并不打断写作流程。赵九州强调，这种交互设计更符合用户的传统写作习惯，尤其适合那些不熟悉如何与 AI 交互的用户。

　　● AI 数据助手

　　事实上，很多表格中的操作都是重复性、高度规则化的任务，类似于 RPA（机器人流程自动化）工具或自动化 Agent 能完成的事情。为此，WPS AI 对数据助手的要求是：一句话就能清楚地描述规则和需求，并让数据助手自动完成相应的操作。

　　不仅如此，WPS AI 还能理解并分析表格中的信息，例如自动分类售后工单类型，迅速找到哪些问题出现得最多以及对应的解决方案。就算用大白话向它提问，AI 也能根据用户需求，自动生成代码或公式，然后直接在表格中输出结果。

　　● AI 阅读助手

　　再者是 AI 阅读助手，它专门针对 PDF 和 OFD 格式的超长文档，帮助用户进行快速总结和处理。市面上虽已有不少类似工具，但赵九州强调以下三个功能的创新，可使其更加智能高效：

　　（1）AI 总结：即使是超长文档，获取信息也十分便捷；（2）AI 文档问答：回答可追溯，一切有据可依；（3）AI 翻译：外文翻译与提炼均一步到位。

　　通过这些功能，WPS AI 不仅帮助用户节省了大量阅读和总结的时间，还在工作流程上做到了智能串联，从文档处理、总结，到展示，完全自动化，极大提升了生产力。

　　● AI 设计助手

　　针对用户美化 PPT 过程中的多种痛苦，赵九州也进一步介绍了 WPS AI 在这方面的功能创新：一句简单描述，即可让 AI 生成 PPT；通过已写好的脑图大纲，亦可让 AI 一键生成 PPT 内容；上传演示文档，由 AI 进行风格克隆；快速对 PPT 中的图片切换不同风格的滤镜；可按照不同比例进行图片扩展；基于照片生成高质量且实用的个人写真。

　　● AI 语音助手

　　在多模态的探索中，WPS AI 也将语音识别和语音生成技术进行了高度整合，主要集中在两大方向：（1）基于 ASR+LLM 的AI语音速记，实时声纹识别区分说话人以输出精准的文字稿；（2）基于 TTS+LLM 的 AI 朗读，为用户提供更流畅、更拟真的阅读体验。

　　整体而言，WPS AI在C端用户产品的理念基本可概括为：不要让用户输入 Prompt，让 AIGC 回归创作本身；聚焦垂直用户的办公、效率场景；避开不能接受幻觉的领域；增强召回，减少噪音与幻觉；围绕工作流做上下游产品。

　　在演讲最后，赵九州表示，“AI 不是要替代人类的完整工作，而是在工作流程中和人形成协作。”同时，他还提出了一个倡议：“我们需要更多AI应用主义者。发布会上，Demo 越来越多，但 Demo 并不算产品，用户真正可用的才叫产品。”

　　贾安亚：心流与创新——Al Native 生产力工具的发展、价值与商业落地

　　在当今快速变化的科技时代，生产力工具正从传统的线性流程逐步向智能化、自动化的方向转型，其中 AI Native 生产力工具正在成为创新和效率提升的关键驱动力。围绕这个话题，商汤科技 Copilot 产品负责人贾安亚带来了深刻且富有洞见的演讲。

　　整体而言，生产力工具主要涵盖两大类别：一是面向开发者的软件研发工具，一是面向产品经理和数据分析师的办公类助手。从个人用户视角来看，全球超过 60% 的开发者正在使用 AI 驱动的编程类工具，独立任务对比实验中总体工作时间减少了 55%，带来了生产力的提升。

　　当从企业的角度来探讨 AI 应用时，情况则变得更加复杂。贾安亚指出，面向企业的 AI 解决方案不仅仅是一个面向开发者的代码类工具，而会逐步发展成为覆盖整个软件研发全生命周期的解决方案。具体来说，企业的真正需求是在开发者提效的基础上，进一步将其现有的 IT 资产与 AI 结合，以实现三个层面的提升：

　　● 个人效率

　　以个人开发者为例，很多代码补全、代码对话、Commit Message 撰写等重复性任务，AI 生产力工具都能高效完成，帮助其提升编码效率、缩短走查时长、减少测试成本等。

　　● 团队协作

　　在团队协作中，AI 赋能的重点在于与企业现有的协同工具进行深度集成。通过这种集成，AI 可以帮助团队优化协作流程，减少沟通成本，并在很大程度上解决资产沉淀难、规范落地难、技术债务积累多等问题。

　　● 企业管理

　　在企业的全流程管理中，AI 更是需要在整个研发生命周期中发挥作用。大模型的核心能力在于对各类任务的理解，而企业需求往往涉及特定的行业知识和内部知识，将这些内容与模型打通至关重要，并将其有效传递到研发过程中的每个环节，进行全流程优化。

　　尽管如此，当大模型实际投入企业的业务环境时，常常会与预期有一定差距。原因在于用户的输入往往更加随意，难以直接与模型的训练数据对齐。对此，贾安亚认为可通过工程化方法来优化模型的应用体验：

　　（1）Prompt 优化（外化 COT）+ Constrained Decoding + 内化 COT，即：在 AI 模型前面接入一个较小的模型或者利用工程化方式，将用户的输入变得更加结构化，帮助模型更好地理解用户意图；不只依赖于用户输入，还需参考其代码仓库、文档库等历史数据，帮助模型更好地理解用户背景；参考 OpenAI O1 等前沿模型，将提示链的过程内化到模型内部，通过模拟人类的思考链来提高模型输出的准确度。

　　（2）选择 All-in-One、以 GUI 交互为主的应用形态：“All-in-One” 这种设计理念尤其适用于生产工具领域，即用户能在一个集成环境中完成多个任务，无需在不同工具间切换，以此保持用户的心流状态；在创造性工作和生产力工具中，以 GUI（图形用户界面）为主，辅以 LUI（语言用户界面）的灵活性，可以为用户提供更顺畅的操作体验，避免过多的认知负担。

　　知行合一，商汤针对这两个方向分别推出了「小浣熊·智能软件研发助手」和「小浣熊·智能办公助手」，通过大量落地实践持续迭代。其中，「小浣熊·智能软件研发助手」可覆盖软件需求分析、架构设计、代码编写、软件测试等环节，支持 90+主流编程语言，提供网页版、IDE 插件版以及私有化部署、软硬一体机等使用场景服务；「小浣熊·智能办公助手」作为基于大模型的数据分析、文件处理工具，可协助用户完成数据文件优化及数据洞察、数据分析等工作，支持复杂表格、多表格、多文件的理解，广泛应用于市场调研、财务分析、销售预测、宏观分析、产品设计等场景。

　　展望未来的产品设计，贾安亚强调不仅要考虑 AI 带来的提效，还要思考 AI 如何在更复杂的环境中与用户协作。在她看来，LUI 和 GUI 结合、All-in-One 的设计理念以及慢思考的引入，都是当前 AI 产品设计中非常值得深入探讨的方向。

　　李宏宇：旅行产品在 AI 生态下的发展秘籍

　　近年来随着旅游热度的逐年攀升和国民新旅游时代的结构性变革，AI 应用在旅游业也爆发出了新机遇与新需求。然而，旅行场景如何在 AI 生态中建立优势？旅行产品又如何与 AI 能力做全方位结合以增强企业自身竞争力？为了解答这些问题，同程旅行 APP 事业部 CEO 李宏宇分享了旅行产品在 AI 生态下的发展秘籍。

　　根据公开数据显示，2023 年我国大模型市场规模已初步估算达到了 147 亿元，近三年复合增速高达 114%。与以往传统算法相比，大模型的能力在多个方面表现出了革命性提升：强大的语言能力、对话记忆、泛化能力和智能成本下降。

　　然而李宏宇指出，虽然通用大模型在语言理解和推理能力方面具有显著优势，但它面临着业务鸿沟的问题，即无法完全满足各个行业的特定需求——于是，垂类大模型应运而生。

　　作为旅游行业的领先者，同程旅行结合自身的行业经验，推出了旅游垂类的程心大模型，专注于满足旅游行业的特定需求。凭借多年沉淀的用户资产、完整的旅游供应链和高质量文旅数据，程心大模型致力于打造一个更智能、高效的旅游服务体系：

　　● 更强的学习推理能力，更丰富的文旅数据，更契合丰富多样的文旅业务场景。

　　● GB 级训练语料，文旅数据准备到知识检索，最终为用户提供更智能、准确的结果。

　　● 历经数月材料准备，完成生成式算法备案、大模型备案，双备案使其更可靠安心。

　　那么 AI 大模型在旅游过程中具体能实现哪些功能呢？李宏宇表示，AI 的应用可贯穿用户旅行的各个阶段：行前、行中和行后。

　　（1）行前阶段：可通过其语言能力和对话能力，为用户提供灵感和建议，例如智能生成旅行规划，提供完整的产品查询和预定服务等管家婆一码一肖100准 ,最佳精选解释落实_尊享版6.896。

　　（2）行中阶段：可化身为用户的“旅行助理”，帮助用户实时解决旅行中的问题，提供智能导游服务和目的地游玩推荐。

　　（3）行后阶段：帮助用户整理旅行照片、撰写游玩攻略等，协助用户进行内容沉淀。此外，大模型还可以提供客服支持，协助解决售后服务问题。

　　不仅如此，李宏宇透露，除了在旅游场景中的应用，程心大模型还在办公、运营、市场营销和研发等多个场景中发挥了作用，帮助提升效率。另外在数据预测分析、市场舆情分析以及翻译等方面，程心大模型也已逐步介入。

　　在创新生态合作方面，李宏宇也分享了程心大模型及其 Agent 在文旅行业中的多种应用及潜在价值，包括：与手机厂商合作，通过服务卡片的功能向用户直接推送符合需求的资源，提供更直观的体验；借助对话机器人，量身定做满足不同用户的个性化需求；行程中相关航班酒店火车和景点，用户只需通过语音确认，由 AI 负责快速查询，反复筛选并快速订票，实现最闭环的服务。

　　最后聚焦未来，李宏宇认为 AI + 旅行行业价值巨大：“干亿行业规模，万亿可创造价值。”她补充道，关于 AI 大模型在旅游行业中的下一步探索，应着重升级多模态能力，围绕用户需求、市场需求、打造行业高价值生态链。

　　刘慧：医疗健康场景的大模型产品探索

　　技术演进，“普惠”愈发重要。AI 大模型的发展实现了人机协同的工作模式，很多人因此也寄希望于 AI 技术可以提供始终在线的高质量医疗服务。然而，现实并没有那么容易新澳精准资料免费提供 ,收益成语分析落实_钱包版5.842。

　　京东健康医疗 AI 产品副总监刘慧在《医疗健康场景的大模型产品探索》主题演讲中指出，大模型虽然能力强，但其各项能力水平不一、表现不稳定且更新迭代快，因此在大模型上落地医疗产品如同在沼泽上落地。

　　那如何在不稳定的地基上建设产品，刘慧结合京东在健康场景的探索实践分享了六个步骤：首先根据场景需求用户痛点定义任务；其次按业务流程及 LLM 技术特点拆分任务，然后测评模型能力明确是否满足需求，确定使用的模型并利用 RAG 和 Agent 等技术加强模型效果，进而根据任务完成可靠性等设计产品技术方案，最后持续监测模型能力寻找更优解。

　　刘慧表示，医疗领域的任务具有复杂性，涉及专业知识、推理决策、沟通共情、医疗安全等多个方面。然而，大模型在专业知识的掌握上存在局限，容易产生幻觉。在知识迭代方面，更新速度较慢。在推理和角色扮演方面，需要处理多模态数据和复杂的推理任务，大语言模型在这方面具有一定能力，但与实际临床需求相比仍有差距。

　　这对产品的建设者产品经理也提出了巨大的挑战。刘慧认为，传统产品经理在向 AI 产品经理升级的过程中，至少需要掌握三种技能：

　　● 了解提示词工程（Prompt Engineering）。如果将大模型视为操作系统，那么写提示词（Prompts）就如同与操作系统交互。写提示词要求高度的定义能力和沟通能力，需要清晰地告诉模型所需完成的任务及其完成方式。

　　● 了解 RAG 技术。如今 RAG 在单模型系统中变得越来越重要，它从单纯检索增强降低模型执行错误发展为大模型产品的技术基石，使模型更像中央处理器，逐渐向工作流方向发展，与 AI 智能体更有机结合。

　　● AI 智能体，它在信息空间中拥有感知、决策和行动能力，如同智能身体。Agent 包括记忆、工具调用执行等功能，能够更好地理解用户意图，调用不同工具完成任务。

　　刘慧对身处于大模型时代的产品经理建议道：

　　一、 一定要充分理解技术，否则产品地基将不稳固。

　　二、 大模型能力参差不齐，需明确定义任务并详细划分，结合大模型基础特点进行任务划分，并对大模型能力进行充分测试。

　　三、 在众多落地场景中，需选择合适的产品形态。